基于PD-MSM-Lyot 滤波器的多波长掺铒光纤激光器

提出了一种基于偏振依赖多模- 单模- 多模光纤Lyot (PD-MSM-Lyot) 滤波器的 多波长掺铒光纤激光器。PD-MSM-Lyot 光纤滤波器由一个PD-MSM 滤波器和一段保偏光 纤构成,其相邻滤波通带具有相同波长间隔。充分利用偏振依赖MSM 光纤滤波器的起 偏作用并结合腔内色散位移光纤中的非线性偏振旋转效应, 构成了强度相关损耗机 制, 从而抑制掺铒光纤中的增益竞争作用, 获得了室温下19 个波长间隔为0.2 nm 的密 集多波长激光输出。通过对比可得, 输出激光光谱随泵浦功率增大而变的更平坦, 且 波长数更多。     

靶场试验雷达组网信息系统设计

针对靶场试验跨区域雷达联合参试的特点,结合靶场试验信息实时处理显示需求,分析和比较了高层体系 结构(HLA)和试验训练使能体系结构(TENA)的原理和技术优势,设计了适用于靶场试验的雷达组网信息系统总 体框架,阐述了该系统的组成和功能,为提高靶场综合试验能力做出了探索。     

柔性机翼阵风响应与被动减缓研究

高空长航时无人机的机翼展弦比大、柔性较强,飞行过程中极易受到阵风的影响。文章以几何精确本征理论建立结构模型,耦合 Pitt-Peters动力入流理论建立柔性机翼非线性气弹模型,研究了柔性机翼阵风响应以及翼尖被动阵风减缓效应。采用空间 -时间平行的有限元离散方法,将气弹方程转化为一阶微分代数方程,Newton-Raphson和 Generalized-α算法分别用于静态变形和动态响应的求解,通过算例研究了离散阵风载荷下柔性机翼的阵风响应,结果表明翼尖被动阵风减缓装置对机翼变形有明显的减缓效果。     

航母中程对潜防御区声呐舰配置方法

针对航母中程对潜防御区声呐舰配置问题,在分析航渡过程中航母受敌导弹攻击威胁的基础上,从有效应 对敌潜艇导弹攻击,保障航母安全的要求出发,对中程对潜防御区声呐舰的配置问题进行了研究,提出了中程对潜 防御区声呐舰的配置原则和方法,对航母编队反潜作战的兵力配置具有重要的参考指导作用。     

基于观测器与前馈控制技术的动态转台 控制实验研究

基于前馈控制技术对动态转台进行控制研究,分析了PID 控制在动态转台 控制中对于响应带宽提高的缺点。通过实验与Matlab 结合辨识了开环系统模型,并与实 际数据进行了比对。建立了系统状态观测器,并设计了基于观测器与前馈控制结合的控制 器,证明了观测器与控制器的稳定性。最后通过实验证明了观测器与控制器的有效性。     

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

动平台条件下基于全站仪的标校技术

舰船靠泊码头进行起降引导系统标校时,甲板处于晃动状态,架设在甲板上的全站仪无法满足置平要求,针对这一问题进行了动平台条件下基于全站仪的标校技术研究。首先,建立全站仪测量数学模型,以全站仪在动态条件下的测量数据为基础,将测量数据经空间几何运算后求得任意两目标点在甲板固连坐标系下的相对位置;其次,根据空间物体几何不变的性质,设计实验进行不同倾斜条件下的全站仪数据测量和相对位置偏差求解;最后,通过仿真分析了测量误差对相对位置平均偏差的影响。结果表明,全站仪在动平台条件下其测距、测角精度能满足标校要求。     

基于单片机和CdS涂层老化探头的装备腐蚀监测系统设计

针对装备对腐蚀状态监测需求,以 MSP320单片机为核心控制器、CdS涂层老化探头为腐蚀状态传感器,设计了一款 4路腐蚀状态监测系统,并用于某型车辆腐蚀状态监测。实验结果表明,该系统能真实监控该型车辆的腐蚀状态,为该车辆的预防性维修提供了重要技术和数据支持。同时,该系统具有安装灵活方便、工作可靠、体积小等优点,具有较高的推广应用价值。     

自动导引车在工业4.0 中的应用

随着工业4.0概念的逐步成熟,智能化工厂、智能化生产以及智能化物流将是未来很长一段时间的发展模式,传统的制造企业会面临智能化的升级和转型.在此背景下,从提高工业化生产自动化程度的角度入手,在生产流水线中引入自动导引车.然后针对每一种导航方式分析其优缺点,并且结合现代化生产方式的特点,通过对具体的应用案例进行分析,从原理上重点阐述了激光导引的情况,同时分析了自动导引车(AGV)的发展趋势,为企业后续在选择适合自身特点的自动导引车方面提供了参考.     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。